无痛胃肠镜手术中采用丙泊酚联合纳布啡联合麻醉的麻醉优良率及VAS评分进行研究

观察并比较无痛胃肠镜手术过程中,丙泊酚复合纳布啡的联合麻醉效果。方法 以实施检查的78例患者进行研究,分别利用不同麻醉方式,观察两组的各种麻醉指标。结果 两组患者心率、MAP以及SpO2指标无差异,但是其他数据,如麻醉优良率、VAS评分不良反应发生率等均存在显著差异(P<0.05)。结论 丙泊酚联合纳布啡在无痛胃肠镜手术中的临床应用效果较为显著,能够提供良好的麻醉和镇痛效果,同时也具有较高的安全性,能够改善患者的手术体验和术后恢复情况。

自动化机器学习在剖宫产术后尿潴留预测模型中的应用

目的利用自动化机器学习方法,建立剖宫产术后尿潴留预测模型。方法选取我院2018年1月-2022年1月手术室220例行剖宫产住院产妇,根据是否发生术后尿潴留结局分为尿潴留组(38例)和无尿潴留组(182例)。比较两组生育史及术中术后临床资料,利用H_(2)O平台自动化机器学习框架,建立针对术后尿潴留结局的预测模型,通过绘制ROC曲线,计算曲线下面积(AUC)以评价模型的预测能力,并对模型特征进行可视化呈现。结果两组疼痛评分、孕前BMI、产次、剖宫产史、胎儿体重、麻醉时间、手术时间、麻醉方式、尿管拔除时间及焦虑情况比较,差异有统计学意义(P<0.05);最佳模型为梯度提升机模型(GBM),Gini值0.987,R^(2)为0.653,LogLoss为0.168;模型中重要变量包括疼痛评分、焦虑、麻醉时间、产次、麻醉方式、拔尿管时间及孕前BMI;变量SHAP特征图呈现了变量与模型整体预测的相关性,LIME反映在具体案例中变量的角色;GBM模型的ROC下面积为0.909(95%CI:0.880~0.939),准确度0.947,特异度为0.962,敏感度0.856。结论基于GBM算法的剖宫产后尿潴留预测模型显示出良好的区分能力,可作为潜在的产后并发症风险初筛工具。